半监督GAN的散列特征表示学习方法
基本信息
| 申请号 | CN201811536653.6 | 申请日 | - |
| 公开（公告）号 | CN109800768B | 公开（公告）日 | 2021-05-14 |
| 申请公布号 | CN109800768B | 申请公布日 | 2021-05-14 |
| 分类号 | G06K9/46;G06N3/04;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 张婷婷;牛彦杰;崇志宏;周俏;董会 | 申请（专利权）人 | 江苏信物智能信息科技有限公司 |
| 代理机构 | 南京理工大学专利中心 | 代理人 | 封睿 |
| 地址 | 210007 江苏省南京市秦淮区后标营路88号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种半监督GAN的散列特征表示的学习方法，通过2个及以上的生成式对抗网络组成DSH‑SGANs网络，其中第一个生成式对抗网络以图像和标签向量为输入，其余生成式对抗网络以前一个分支的隐含特征和标签向量为输入；考虑深度散列优化目标、对抗优化目标、分类优化目标和结构一致优化目标，优化生成网络和判别网络；利用优化后的网络，确定待分析图像的散列特征表示。本发明根据图像标注信息蕴含的图像之间的相似性，确定面向图像检索深度散列优化目标，挖掘图像标注的语义信息，提升了图像检索的准确率。 |
